

직교 회귀 분석에서는 표시된 점에서 선까지의 가중 직교 거리를 최소화하는 선이 최상의 적합선입니다. 오차 분산 비율이 1인 경우 가중 거리는 Euclid 거리입니다.
| 용어 | 설명 |
|---|---|
| Yt | 관측 반응값 |
| β0 | 절편 |
| β1 | 기울기 |
| Xt | 관측된 예측 변수 |
| xt | 예측 변수의 실제 및 미관측 값 |
| et, ut | 측정 오류, et, ut가 독립적이고 평균은 0이고 오차 분산이 δe2 및 δu2입니다. |
,
)이고 표본 공분산 행렬이 다음과 같은 경우


| 용어 | 설명 |
|---|---|
| Zt | (Yt, Xt) |
![]() | ![]() |
| n | 표본 크기 |

표본 공분산 행렬의 mXY 원소가 0이 아닌 경우 다음과 같습니다.


mxy = 0이고 myy < δm xx'안 경우,

| 용어 | 설명 |
|---|---|
![]() | X에 대한 오차 분산 추정치 |
![]() | Y에 대한 오차 분산 추정치 |
| δ | 오차 분산 비율 |
| mXY | 표본 공분산 행렬의 원소 |
| mYY | 표본 공분산 행렬의 원소 |
| mXX | 표본 공분산 행렬의 원소 |


mxy = 0이고 myy < δm xx'안 경우,'


mxy = 0이고 myy > δmxx인 경우 나머지 모수 추정치는 정의되지 않습니다.
| 용어 | 설명 |
|---|---|
![]() | 기울기 추정치 |
![]() | 절편 추정치 |
| mxy | 표본 공분산 행렬의 원소 |
| myy | 표본 공분산 행렬의 원소 |
| δ | 오차 분산 비율 |
![]() | 반응 값의 평균 |
![]() | 예측 변수 값의 평균 |

설명:

및

mXY가 0과 같지 않은 경우:

mXY가 0이고 mYY < δmXX인 경우:

| 용어 | 설명 |
|---|---|
![]() | 기울기 추정치 |
![]() | 절편 추정치 |
| mXY | 표본 공분산 행렬의 원소 |
| mYY | 표본 공분산 행렬의 원소 |
| mXX | 표본 공분산 행렬의 원소 |
| δ | 오차 분산 비율 |
![]() | 반응 값의 평균 |
![]() | 예측 변수 값의 평균 |

Z (1 - α / 2)는 표준 정규 분포의 100 * (1 - α / 2) 백분위수입니다.
그리고
이는 근사 분포의 공분산 행렬의 원소입니다. | 용어 | 설명 |
|---|---|
![]() | 기울기 추정치 |
![]() | 절편 추정치 |
| α | 유의 수준 |

설명:
Z(1 - α / 2)는 표준 정규 분포의 100 * (1 - α / 2) 백분위수입니다.
그리고

| 용어 | 설명 |
|---|---|
![]() | 기울기 추정치 |
![]() | 절편 추정치 |
| α | 유의 수준 |

| 용어 | 설명 |
|---|---|
| δ | 오차 분산 비율 |
| Yt | t번째 반응 값 |
![]() | 절편 추정치 |
![]() | 기울기 추정치 |

| 용어 | 설명 |
|---|---|
![]() | 절편 추정치 |
![]() | 기울기 추정치 |
![]() | x에 대한 t번째 적합치 |

| 용어 | 설명 |
|---|---|
| Yt | t번째 반응 값 |
![]() | 절편 |
| Xt | t번째 예측 변수 값 |
![]() | 기울기 |

설명

| 용어 | 설명 |
|---|---|
![]() | 잔차 |
![]() | 잔차의 표준 편차 |
| δ | 오차 분산 비율 |
![]() | 기울기 추정치 |
![]() | X에 대한 오차 분산 추정치 |

설명:

및

| 용어 | 설명 |
|---|---|
| Xt | t번째 예측 변수 값 |
![]() | 예측 변수 값의 평균 |
| Yt | t번째 반응 값 |
![]() | 반응 값의 평균 |

설명:

| 용어 | 설명 |
|---|---|
| myy | Y의 표본 분산 |
| mxy | X와 Y 랜덤 변수 간 표본 공분산 |